关键词:
小波包变换
多尺度卷积网络
振动故障诊断
电梯门机系统
摘要:
电梯门机系统作为电梯运行的关键组件,其健康状态直接关系到电梯的安全性与运行效率。针对传统专家系统在电梯门机故障诊断中面临的诊断精度不高、效率低下等挑战,深入研究了人工智能深度学习技术在该领域的创新应用。鉴于电梯门机故障数据集的稀缺性,自主设计并搭建了实验平台,全面收集了六种典型的电梯门机故障案例,涵盖了多种工况下的振动信号。为充分挖掘这些振动信号中的故障特征,提出了一种融合小波包变换(WPT)与多尺度卷积神经网络(MCNN)的先进诊断方法。该方法首先利用WPT技术,根据故障频率特性将三通道振动信号进行二级分解,重构为三个具有不同频率特性的子带(subband),并通过归一化处理确保数据的一致性。之后,这三个子带被作为多尺度输入送入MCNN模型,该模型能够有效捕捉并融合振动信号的全局与局部特征,从而实现对故障类型的精准识别。实验结果表明,所提出的方法在电梯门机系统振动故障诊断中展现出了卓越的性能,经过十次独立实验的验证,平均故障诊断准确率高达99.05%。这一成果不仅验证了深度学习技术在电梯门机故障诊断中的巨大潜力,也为电梯行业的智能化维护与管理提供了有力的技术支持。